智能汽车行业趋势 - 智能汽车竞争焦点从硬件参数转向认知能力，行业处于"软件定义汽车"向"认知重塑出行"跃迁的临界点 [1] - 2025年第一季度中国L2级辅助驾驶新车渗透率达65% [1] - 智能座舱进化分为三个阶段：问答工具、大模型赋能的"全能助手"、具备记忆与共情能力的"家庭成员" [1][8] 商汤绝影技术路径 - 采用"世界模型+强化学习"技术组合突破现实数据不足瓶颈，降低对激光雷达的依赖 [1][10] - 世界模型可模拟未来场景变化，例如施工路段避让及碰撞情形 [12] - 通过仿真环境生成海量驾驶场景，使自动驾驶系统自我进化，类似AlphaZero的自我博弈逻辑 [10][16] 激光雷达技术观点 - 激光雷达属于阶段性技术选择，未来可被模型算法和数据迭代替代 [1][12] - 激光雷达在城区复杂场景中作用有限，且受天气干扰、老化等问题影响 [12] - 当前部分车企采用"激光雷达+端到端系统"双配置作为过渡方案 [16] 车企合作模式 - 与主机厂形成"太极式共生"关系，既保留车企自研能力又发挥科技公司技术优势 [3][18] - 产品已上车7款车型，2024年将推出地平线J6E方案并在奇瑞量产，基于英伟达Thor的系统将应用于东风车型 [17] - 合作核心是研发体系对齐而非股权绑定，涉及工具链、数据格式等基础设施协同 [19] 数据与商业化 - 车企保留数据所有权，商汤绝影提供脱敏技术支持 [21] - 自动驾驶盈利需3年，依赖量产规模扩大及摄像头配置标准化 [22] - 未来研发重心转向云端，提供云服务和大模型基础设施，车端研发将轻量化 [22] 行业应用场景 - 汽车是当前人工智能最佳载体，因多模态传感器丰富且数据回流规模大 [4][5] - 智能座舱通过全时感知（表情/动作/生理信号）实现情感化交互，远超手机等被动设备 [9] - 技术可延伸至智能机器人领域，与汽车AI存在高度重合性 [5]